确定中药品种是确保中药材质量的第一关。为探索中草药品种的快速鉴别方法，本文应用太赫兹光谱技术结合模式识别方法对 6种中草药进行分类鉴别。采集了白附片、大黄、党参、陈皮、麦冬、天麻等 6种常用中草药，共得到 420组太赫兹光谱数据，在 0.2~1.5 THz波段分别采用支持向量机 (SVM)、主成分分析 (PCA)和支持向量机相结合、线性判别分析(LDA)结合支持向量机等方法对 6种中药材进行了定性鉴别分析。结果表明，太赫兹光谱数据结合线性判别分析和支持向量机建立的 LDA-SVM中草药品种识别模型最优，模型准确率达 100%，对未知样本的鉴别准确率达 98.41%。本文的 LDA-SVM模型具有较好的鉴别能力，能快速准确地鉴别出中药材的品种，为中草药的质量控制提供了又一鉴别手段。

针对红外与可见光图像难以提取特征点实现配准的问题，提出一种基于边缘结构特征的红外与可见光图像配准算法。首先通过优化的显著性算法增强红外图像的结构特征；其次利用相位一致性提取红外和可见光图像的稳定边缘结构；然后提取边缘结构的ORB（oriented FAST and rotated BRIEF）特征点；最后结合KNN（K-nearest neighbor）算法和余弦相似度对匹配特征点进行筛选，并应用RANSAC（random sample consensus）算法进行提纯。实验表明，该算法能够克服灰度差异的影响，具有较高的配准精度和效率，有助于实现红外与可见光图像的配准。

针对红外图像细节分辨率不高、目标边缘模糊等，提出一种基于改进生成对抗网络的红外图像增强算法。首先，基于编码解码网络U-Net构建生成器，优化U-Net跳跃连接方式，融合全局上下文模块，实现全局和局部特征的上下文建模; 然后，基于胶囊网络构建鉴别器，结合Res2Net改进胶囊网络结构，并对胶囊网络全连接层进行反卷积重构，实现多尺度图像特征提取，减少模型参数冗余。实验表明，与当前主流算法相比，该算法能有效突出细节信息、抑制噪声，提高图像分辨率和视觉效果。

以萤石尾矿和废玻璃为主要原料，硅酸钙为添加剂，采用烧结法制备微晶玻璃。利用X射线衍射仪、扫描电子显微镜等对微晶玻璃的析晶特性和微观形貌进行表征，利用Image Pro Plus统计晶粒的尺寸和数量，利用Factsage软件对不同配比下微晶玻璃制备过程中的物相和高温液相量的变化进行表征，并对微晶玻璃的抗折强度和耐酸碱性能进行测试。结果表明：通过废玻璃引入磷元素，可制备出主晶相为氟磷灰石(Ca5P3O12F)的微晶玻璃，且烧成温度范围宽，在1 060~1 180 ℃均可得到表现良好的微晶玻璃；随着添加剂硅酸钙配比的提高，主晶相种类并未改变，但氟磷灰石晶粒细化，有利于提升微晶玻璃的机械性能；当萤石尾矿质量分数为30%、废玻璃质量分数为60%、硅酸钙质量分数为10%时，制备的微晶玻璃具有良好的强度和耐酸碱性能。本研究设计的微晶玻璃为萤石尾矿的回收利用提供了新途径，对降低微晶玻璃生产成本和促进固废资源循环经济的发展具有重要的现实意义和经济效益。

通过固相反应法合成一系列插层化合物Pd_xNbSe₂ (x=0~0.17)。它们与2H-NbSe₂相同, 属于六方晶格, 空间群为P6₃/mmc。Pd占据NbSe₂层间的八面体空位。随着Pd含量的增加, 晶格常数c线性增大, 而a几乎不变。X射线单晶衍射结果表明, Pd_0.17NbSe₂的晶格常数为a=b=0.34611(2) nm, c=1.27004(11) nm。每个Pd原子与六个Se原子键合形成[PdSe₆]八面体来连接相邻的Nb-Se层, 使晶体结构变得更加稳定, 从而提高化合物的热稳定性。电学测试表明, 随着Pd含量的增加, Pd_xNbSe₂的剩余电阻比减小。此外, 超导转变温度也随着Pd含量的增加而下降, 说明Pd的引入不利于NbSe₂的超导态。

高活性催化剂是挥发性有机化合物(VOCs)催化氧化消除的关键因素。本研究通过简单的共沉淀法成功制备了具有高比表面积的非晶介孔磷掺杂氧化钛负载铂催化剂(Pt/ATO-P)。通过P掺杂, 既可获得非晶介孔结构, 又可获得高ATO-P比表面积(可达278.9 m²·g^-1)。非晶介孔Pt/ATO-P催化剂显示出优异的VOCs催化氧化性能和良好的热稳定性。Pt/ATO-P样品在空速为36000 mL·h^-1·g^-1、甲苯浓度为10000 mL·m^-3的反应条件下, 对甲苯催化氧化的T₅₀和T₉₀(实现50%和90%转化率所需的温度)分别为130 ℃和140 ℃, 明显优于无磷催化剂Pt/TiO₂。这些发现可以为拓展非晶介孔磷化材料在环境净化和能源转化等领域的应用提供重要参考。

针对草原土壤属性高光谱监测过程中地表枯落物对土壤光谱建模精度的影响。 以呼伦贝尔典型草原土壤光谱为研究对象, 通过室内模拟光谱实验及野外光谱实测验证, 分析混合光谱特征, 揭示枯枝落叶层对土壤光谱影响的规律, 提出了基于光谱相似值约束下的盲源分离ICA算法, 对混合光谱进行解混, 削减枯枝落叶层对土壤光谱的影响。 结果表明, (1)随枯枝落叶盖度增加, 光谱纤维素吸收指数(CAI)增加, 呈二次回归递增趋势, 可有效检验混合光谱中枯枝落叶的覆盖程度； (2)混合光谱在700 nm跃迁波段有明显的斜率陡增现象, 并在1 680及1 754 nm处存在微弱的木质素吸收特征, 在2 100 nm附近处出现强吸收特征； (3)优化后的BSS-ICA算法可有效分离枯枝落叶同土壤的混合光谱, 进而提升野外光谱估测有机碳含量的精度, 分别利用偏最小二乘回归(PLSR)、 支持向量机(SVM)及随机森林(RF)对解混前后光谱建立预测有机碳预测模型； 其中SVM模型预测精度最高, 预测集的R2从0.71提高到0.75, RMSE从4.82 g·kg-1降低到4.50 g·kg-1。 通过实验研究对定向去除外部环境参数中的地表枯枝落叶层对土壤高光谱影响进行了实证, 并通过野外实测数据验证解混算法的有效性, 为完善野外原位光谱数据反演及监测土壤理化属性提供理论依据。